Les réseaux de capteurs sans fil (RCSFs), sont composés d'un ensemble de nœuds avec des capteurs, transmetteur/récepteur, d'un système de traitement et d'une réserve d'énergie. Au regard d'applications, de travaux de recherche sont développés sur l'utilisation de ce réseau leur performance, fiabilité ou durée de vie. La durée de vie RCSFs correspond à la période à travers laquelle le RCSF fonctionne parfaitement. Cette durée de vie est très affectée par de nombreux facteurs comme la quantité d'énergie disponible, la probabilité de défaillance et les dégradations des composants. L'énergie disponible devient le facteur prépondérant dans les cas d'applications avec des composants difficilement rechargeables ou non renouvelables. Différents algorithmes, stratégies et techniques d'optimisation ont été élaborées et mises en œuvre à cet effet sur la possibilité d'activer un sous-ensemble de capteurs qui satisfont à la contrainte de surveillance et de garder les autres capteurs en mode veille pour pouvoir être mis en œuvre ultérieurement. Ainsi, c'est un problème de type NP complet de maximisation qui peut être résolu en considérant des Ensembles Disjoints de capteurs de Couverture (EDC). Mais la solution obtenue à l'aide des EDCs ne conduit pas toujours à une extension significative de la durée de vie des RCSFs. Le présent travail vise à rechercher une meilleure solution basée sur des capteurs regroupés dans des ensembles nondisjoints de couverture (ECND). Cette approche permet à un capteur de participer à une ou plusieurs ensembles de capteurs de couvertures. Nous avons alors étudié un modèle de représentation binaire des ECNDs pour déterminer un ordonnancement optimum permettant de maximiser la vie d'un RCSF. De plus, nous avons développé une heuristique basée sur un algorithme génétique, pour trouver une solution proche de l'optimal dans un délai raisonnable. Ainsi, pour un ensemble de m capteurs utilisés pour surveiller un ensemble de n cibles, cette heuristique permet construire un nombre maximum q d'ensembles ECNDs. Des efforts supplémentaires sont donc nécessaires pour trouver le meilleur ordonnancement pour la mise en œuvre des ECNDs, qui maximise la durée de vie globale du RCSF, compte tenu de l'énergie initialement disponible dans chaque capteur. Ce problème est formulé à l'aide d'un modèle mathématique de programmation linéaire en nombres entiers (PLE). La fonction objective de ce problème est la somme de toutes les périodes de surveillance pour les q ECNDs programmés, et la contrainte est la consommation d'énergie de tous les capteurs constituant les ECNDs. La possibilité de trouver la solution à ce problème par PLE dans une période de temps donnée dépend de la complexité du modèle et des instances utilisées. Pour trouver la solution dans un délai raisonnable, nous avons développé un algorithme génétique (AG) basé sur les ECNDs. Les solutions potentielles sont représentées dans des chromosomes composés d'un certain nombre de gènes correspondant aux ECNDs, et chaque gène est caractérisé par la période de surveillance d'un ECND. Nous avons ensuite développé un AG qui combine quatre opérateurs de croisement et quatre opérateurs de mutation. La méthode basée cet AG a été codée dans le langage de programmation C pour obtenir une solution satisfaisante et le logiciel Cplex a été utilisé de déterminer la solution exacte correspondant. Une comparaison des solutions obtenues sur de petites instances en utilisant la PLE par rapport aux solutions obtenues par notre AG montre que la méthode basée sur les AG peut trouver une solution proche de l'optimale dans un délai raisonnable. Ensuite, en comparant les solutions en utilisant l'AG ECNDs à l'AG EDCs de la littérature, nous montrons que l'AG avec ECND peut prolonger la durée de vie des RCSFs plus que les AG avec EDCs pour les mêmes instances. Notre approche combine ainsi les principes d'ordonnancement et les techniques d'optimisation pour maximiser la durée de vie des RCSFs / Wireless sensor networks (WSNs), as a collection of sensing nodes with limited processing, limited energy reserve and radio communication capabilities, are widely implemented in many areas of applications such as industry, environment, healthcare, etc. Regarding this large range of applications, many research issues are introduced including the applications, performance, reliability, lifetime, etc. The WSNs lifetime considered in this work is the period of time through which theWSN is perfectly completing its function. This lifetime is affected by many factors including the amount of energy available, failure probability and components degradation. The amount of energy available become the most important factor in case of non renewable components applications. Different algorithms, strategies and optimization techniques were developed and implemented for this purpose based on the possibility of activating a subset of sensors that satisfied the monitoring constraint, while keeping the others in sleep mode to be implemented later. This is an NP complete maximization problem that can be solved using disjoint set covers (DSCs). But the solution obtained using DSCs does not extend always significantly the WSNs lifetime. So, the present work aims to search for a better solution using non-disjoint set covers (NDSCs). This approach gives the opportunity for a sensor to be implemented in one or more subset covers. For that purpose, we studied a binary representation based model to maximize the number of NDSCs. Also, we developed a genetic algorithm based heuristic based on this model to find out the maximum number of NDSCs in a reasonable time. Thus, for a set of m sensors used to monitor a set of n targets or a field, this heuristic allows to construct a maximum number q of NDSCs. Additional effort is required to find the best scheduling for implementing the NDSCs so as to maximize the lifetime of the sensors involved in the WSNs, considering their limited available energy. This problem is formulated using integer linear programming (ILP) mathematical model. The objective function of this problem is the sum of all monitoring seasons on which all q NDSCs scheduled, and the constraint is the energy consumption in all sensors included in all NDSCs. Solving this problem using ILP in a period of time depends on the complexity of the model and the instances used. To find the solution in reasonable time, we have developed a NDSCs based genetic algorithm (NDSC-GA). The candidate solutions are represented in chromosomes composed of a number of genes equal to the number q of NDSCs, and each gene is the number of monitoring seasons on which a NDSC is scheduled. We have then developed a GA that combines the four crossover operators and four mutation operators. The GA based methods are coded in C programming language to obtain a satisfying solution and the Cplex software was used to obtain the corresponding exact solution. Comparing the optimal solution obtained using the ILP on small instances, to the solutions obtained using our GA based method explained that our methods can find a solution near the optimal in reasonable time. Then, comparing the solution obtained using our NDSCs GA based methods, to the DSCs GA based method in the literature, we showed that the NDSCs GA can prolong the WSNs lifetime better than DSCs GA for the same instances. Our approach combines together the scheduling principles and the optimization techniques to maximizing the WSNs lifetime